[论文解读] Positive stochastic volatility simulation

William Halley, Simon J. A. Malham+1 more|arXiv (Cornell University)|Feb 29, 2008

Stochastic processes and financial applications参考文献 54被引用 7

一句话总结

本文提出了一种高效且精确的采样方法，用于广义正态分布和中心卡方分布，采用新颖的表示方法和对Marsaglia极坐标法及Beasley-Springer-Moro反演技术的扩展。该方法在Heston模型中实现了高精度、鲁棒且高效的非中心卡方分布采样，尤其在自由度较低以及在外汇市场中常见的均值回归波动率情形下表现优异。

ABSTRACT

The transition probability of a Cox-Ingersoll-Ross process can be represented by a non-central chi-square density. First we prove a new representation for the central chi-square density based on sums of powers of generalized Gaussian random variables. Second we prove Marsaglia's polar method extends to this distribution, providing a simple, exact, robust and efficient acceptance-rejection method for generalized Gaussian sampling and thus central chi-square sampling. Third we derive a simple, high-accuracy, robust and efficient direct inversion method for generalized Gaussian sampling based on the Beasley-Springer-Moro method. Indeed the accuracy of the approximation to the inverse cumulative distribution function is to the tenth decimal place. We then apply our methods to non-central chi-square variance sampling in the Heston model. We focus on the case when the number of degrees of freedom is small and the zero boundary is attracting and attainable, typical in foreign exchange markets. Using the additivity property of the chi-square distribution, our methods apply in all parameter regimes.

研究动机与目标

• 通过广义正态随机变量的幂次之和，推导中心卡方分布密度的新表示形式。
• 将Marsaglia的极坐标法扩展至广义正态分布，实现精确且高效的接受-拒绝采样。
• 基于Beasley-Springer-Moro技术，开发一种高精度的广义正态分布直接反演采样方法。
• 将这些方法应用于Heston模型中的非中心卡方方差采样，尤其在自由度较小且存在可到达零边界的情形下。
• 利用卡方分布的可加性性质，确保方法在所有参数范围内均保持鲁棒性和高效性。

提出的方法

• 通过广义正态随机变量的幂次之和，推导出中心卡方分布密度的新表示形式。
• 将Marsaglia的极坐标法扩展至广义正态分布采样，实现一种简单、精确、鲁棒且高效的接受-拒绝算法。
• 基于Beasley-Springer-Moro近似，开发一种广义正态分布采样的直接反演方法，精度达到小数点后第十位。
• 利用成熟的数值反演技术，对广义正态分布的累积分布函数反函数进行高精度近似。
• 通过利用卡方分布在自由度上的可加性，将该方法应用于Heston模型中的非中心卡方采样。
• 在所有参数范围内对方法进行了验证，包括自由度较小以及存在吸引性、可到达零边界的案例。

实验结果

研究问题

• RQ1 中心卡方分布密度能否通过广义正态随机变量的幂次之和来表示？
• RQ2 Marsaglia的极坐标法是否可扩展至广义正态分布，以实现高效的接受-拒绝采样？
• RQ3 Beasley-Springer-Moro方法能否被调整以实现广义正态分布的高精度反演？
• RQ4 在自由度较低且波动率均值回归的条件下，这些采样方法在Heston模型中对非中心卡方方差采样的有效性如何？
• RQ5 所提出的方法是否能在所有参数范围内保持鲁棒性和高效性，包括存在可到达零边界的场景？

主要发现

• 成功利用广义正态随机变量的幂次之和表示了中心卡方分布密度，从而开辟了新的采样路径。
• 将Marsaglia极坐标法扩展至广义正态分布，得到了一种简单、精确、鲁棒且高效的接受-拒绝采样算法。
• 基于Beasley-Springer-Moro的方法，其反函数近似精度达到小数点后第十位。
• 所提出的方法在Heston模型中实现了高精度、鲁棒且高效的非中心卡方采样，尤其在自由度较低的场景下表现突出。
• 由于卡方分布的可加性性质，方法在所有参数范围内均保持鲁棒性和高效性，包括存在吸引性且可到达零边界的案例。